鄒欣芯 任建麗

近年來，乳腺癌的發(fā)病率及死亡率均呈上升趨勢，其預后與病理分期顯著相關，因此早期診斷及治療對患者預后至關重要[1-2］。目前臨床篩查乳腺癌的方法包括鉬靶、超聲、CT 及MRI。鉬靶對微小鈣化較敏感，但若為致密型乳腺，病灶易被腺體遮擋[3］；常規(guī)超聲是診斷乳腺癌的首選方法，但特異度和靈敏度均較低，容易誤診低回聲病灶[4］；CT 雖然對軟組織分辨率高，但具有輻射性；MRI 對軟組織有較高的分辨力，靈敏度較高，但特異度相對較低，且不適用于體內(nèi)有金屬植入的患者[5］。超聲雖已廣泛用于診斷乳腺疾病，但圖像中包含了許多肉眼無法直接識別的信息，紋理分析是超聲圖像與這些信息的橋梁，其作為一種高通量提取圖像信息的技術，能夠直接提取圖像紋理特征，反映腫瘤的異質(zhì)性[6］。紋理分析目前已應用于評估甲狀腺癌[6］、前列腺癌[7］、肝癌[8］、乳腺癌[9］等方面，在腫瘤良惡性鑒別、病理分級及療效評估中均有一定的臨床價值。本文就超聲紋理分析技術在鑒別乳腺腫瘤良惡性、預測乳腺癌分子分型及腋窩淋巴結轉移、評估新輔助化療（neoadjuvant chemotherapy，NAC）療效中的應用進展進行綜述。

一、超聲紋理分析技術概況

紋理分析是一種應用于醫(yī)學領域的圖像后處理技術，是影像組學的重要組成部分，通過高通量提取感興趣區(qū)（region of interest，ROI）的圖像信息，進行統(tǒng)計分析，獲得病灶的紋理特征[10］。紋理分析的步驟為：①圖像分割，即對腫瘤超聲圖像ROI 進行分割，主要有手動、半自動及自動3 種方式，通常認為半自動分割法為最佳方案[11］，即先由計算機勾畫病灶輪廓，邊界不清晰處由人工手動調(diào)整，常用的開源軟件有MaZda、ITK-SNAP 等；②特征提取，勾畫ROI 后，導入軟件自動生成紋理參數(shù)，各類參數(shù)代表不同紋理類型[12］，常用獲得紋理參數(shù)的方法有模型法、統(tǒng)計法、頻譜法和結構法[13］，其中統(tǒng)計法在醫(yī)學中應用范圍較廣，分為一階統(tǒng)計（描述ROI 像素灰度值頻數(shù)的分布情況）、二階統(tǒng)計（描述像素間的相互關系）及高階統(tǒng)計（描述多個像素間灰度強度值的變化規(guī)律）；③數(shù)據(jù)分析，篩選差異有統(tǒng)計學意義的紋理參數(shù)，分析其與疾病診斷、病理分型、治療預后等的相關性，從而尋找可以反映腫瘤異質(zhì)性的特征，幫助醫(yī)師制定個性化診療方案[14］。

二、超聲紋理分析技術在乳腺腫瘤診療中的應用

1.超聲紋理分析技術鑒別乳腺腫瘤良惡性：目前，超聲紋理分析的研究熱點主要集中于早期乳腺癌或乳腺微小病變的診斷。李衛(wèi)民等[15］研究回顧性分析164 個乳腺微小病變的超聲圖像，手動勾畫病灶ROI，采用Fisher系數(shù)、交互信息、分類錯誤概率聯(lián)合平均相關系數(shù)及3 種方法聯(lián)合進行紋理特征降維，建立人工神經(jīng)網(wǎng)絡（artificial neural network，ANN）模型，計算誤判率，結果顯示采用3 種方法聯(lián)合降維后的紋理特征誤判率為20.12%，低于超聲醫(yī)師的誤判率（29.27%），表明超聲紋理分析技術鑒別乳腺微小病變具有一定價值，可為早期乳腺癌的診斷提供參考。該研究進一步分析顯示良惡性病灶紋理分析的組間誤判率比較差異無統(tǒng)計學意義，超聲醫(yī)師的組間誤判率比較差異有統(tǒng)計學意義（P＜0.05），提示紋理分析可在一定程度上避免超聲醫(yī)師的主觀性。一項前瞻性研究[16］收集113 例乳腺腫瘤患者的灰階超聲和剪切波彈性成像圖，獲取灰階超聲圖中ROI的灰度共生矩陣參數(shù)和楊氏模量值，采用Contourlet法提取剪切波彈性成像圖的紋理特征參數(shù)并建立模型，結果顯示灰階超聲聯(lián)合紋理分析鑒別乳腺腫瘤良惡性的受試者工作特征（ROC）曲線的曲線下面積（AUC）為0.86，高于僅采用紋理分析的AUC（0.77），差異有統(tǒng)計學意義（P=0.03），表明灰階超聲聯(lián)合紋理分析鑒別乳腺腫瘤良惡性具有較好價值。此外，當灰階超聲診斷乳腺結節(jié)為BI-RADS 4a 類時，參考灰階超聲聯(lián)合紋理分析的結果可對該分類結果進行升降調(diào)整。農(nóng)萬賢等[17］研究基于超聲紋理特征建立超聲影像組學評分模型鑒別BI-RADS 3 類或4a 類結節(jié)的良惡性，結果顯示該模型在訓練集的AUC、靈敏度和特異度分別為0.818、78.9%、74.7%；在測試集的AUC、靈敏度和特異度分別為0.837、82.9%和72.4%，提示當BI-RADS 3類或4a類結節(jié)超聲影像組學評分＞0.381時，該結節(jié)為惡性的概率更大。總之，超聲紋理分析技術不僅能鑒別乳腺腫瘤良惡性，還可為乳腺癌早期診斷提供參考依據(jù)，提高早期乳腺癌的診斷準確率。

2.超聲紋理分析技術預測乳腺癌分子分型：不同分子分型乳腺癌的治療方式及預后均不同，根據(jù)其是否表達人表皮生長因子受體-2、Ki67、雌激素受體及孕激素受體，分為Luminal A型、Luminal B 型、HER-2過表達型、三陰性4種分子亞型[18］。乳腺癌術前最常用的診斷分子分型的方法為穿刺活檢，但由于穿刺時樣本采集區(qū)無法完全代表整個病灶，且可能出現(xiàn)并發(fā)癥，具有一定局限性[19］，故臨床需探尋一種術前無創(chuàng)評估乳腺癌分子分型的方法。王瑛等[20］研究回顧性分析230 例浸潤性乳腺癌患者的超聲圖像，將其分為訓練組和驗證組，采用ImageJ 軟件手動勾畫病灶ROI，使用pyradiomics 軟件提取影像組學特征，并用3 種統(tǒng)計學方法進行特征降維，最后篩選出9 個差異有統(tǒng)計學意義的影像組學特征，進一步采用Logistic 回歸建立訓練組HER-2 狀態(tài)的預測模型，并在驗證組進行評估，結果顯示該模型在訓練組和驗證組中預測HER-2 狀態(tài)的AUC、靈敏度、特異度及準確率分別為0.82、92%、68%、76%及0.81、79%、74%、75%，表明該模型在訓練組和驗證組均有較好的臨床價值。李佳偉等[21］研究回顧性分析204 例浸潤性乳腺癌患者的超聲圖像，將其分為激素受體陽性組和激素受體陰性組，提取兩組紋理特征并采用支持向量機（support vector machine，SVM）分析，結果顯示其對激素受體表達的評估效能較好（AUC 為0.560～0.723，準確率為57.4%～66.7%）?？傊?，超聲紋理分析技術可以客觀反映不同分子分型乳腺癌紋理特征與其生物學特征之間的關系，可能在預測乳腺癌異質(zhì)性方面具有較好的應用前景。

3.超聲紋理分析技術預測乳腺癌腋窩淋巴結轉移：術前準確評估乳腺癌腋窩淋巴結轉移對治療方式的選擇非常重要[22］，目前臨床主要使用前哨淋巴結活檢作為金標準以反映腋窩淋巴轉移結狀態(tài)，但該方式可能出現(xiàn)術后并發(fā)癥，因此需探尋一種非侵入性的方法評估淋巴結轉移。暴珞寧等[23］研究回顧性分析194 例乳腺癌患者的超聲圖像，篩選出6 個紋理特征構建Logistic模型預測乳腺癌前哨淋巴結轉移，結果顯示其在訓練集和驗證集的AUC、靈敏度、特異度、準確率分別為0.795、82.4%、70.9%、76.4%和0.784、60.0%、85.4%、73.9%，表明該模型在預測乳腺癌前哨淋巴結轉移方面具有一定價值。羅淑儀[24］研究發(fā)現(xiàn)聯(lián)合乳腺病灶內(nèi)部及邊緣紋理特征建立模型預測乳腺癌前哨淋巴結轉移的診斷效能高于乳腺病灶自身特征的單獨應用，其在訓練集和驗證集中的AUC 比較差異均有統(tǒng)計學意義（0.793 vs.0.684，0.742 vs.0.678，均P＜0.05）；該方法ROI 包括病灶周邊組織，提示聯(lián)合病灶及其周邊組織的紋理特征預測乳腺癌淋巴結轉移的診斷效能更佳，能減少不必要的有創(chuàng)操作。

4.超聲紋理分析技術評估乳腺癌NAC療效：NAC是指初診未發(fā)現(xiàn)遠處轉移的乳腺癌患者在手術治療或放療前進行的全身系統(tǒng)性化療，不僅可以降低腫瘤臨床分期，提高手術切除率及保乳率，還可以獲得患者對藥物的敏感信息，實現(xiàn)個體化精準治療，改善預后[25］。李蔓英等[26］研究基于灰階超聲影像組學特征建立模型預測乳腺癌NAC 療效，結果顯示該模型預測乳腺癌NAC 療效的AUC、靈敏度及特異度分別為0.88、88%、81%。Quiaoit 等[27］研究基于灰度共生矩陣采用Fisher 線性判別（Fisher’s linear discriminant，F(xiàn)LD）、K-最近領域（K-nearest neighbour，K-NN）和SVM 分別建立模型，探討其預測局部晚期乳腺癌患者NAC 應答效果，結果顯示化療前模型FLD、K-NN、SVM 預測乳腺癌NAC 應答效果的AUC 分別為0.60、0.68 及0.68，化療第1、4 周模型SVM 的AUC 均為0.87，模型FLD 的AUC 從0.73 降至0.71，模型K-NN 的AUC 從0.71 提高至0.74，模型SVM 的AUC 明顯高于FLD 和K-NN，差異均有統(tǒng)計學意義（均P＜0.05），且其診斷效能在化療第1 周即達到最佳。上述研究均表明NAC 過程中不同超聲紋理特征可為腫瘤應答情況提供參考信息，基于紋理特征建立的預測模型具有較高的診斷效能，超聲紋理分析技術可作為評估乳腺癌患者NAC應答效果的可靠方法，為臨床評估療效和指導治療提供依據(jù)。

三、小結與展望

總之，超聲紋理分析技術在鑒別乳腺腫瘤良惡性、預測乳腺癌分子分型及腋窩淋巴結轉移、評估NAC療效等方面均有一定價值，可為臨床醫(yī)師提供客觀依據(jù)，提高診斷準確性。但其仍存在局限性：①目前關于紋理分析的研究多為單中心、回顧性研究，樣本量相對較??；②在特征提取方面缺乏高效、重復性高的標準化方法；③在ROI 的選擇方面，二維（病灶最大層面）的研究方式多于三維（病灶全容積）。相信隨著科技發(fā)展，今后可以逐步解決從大量紋理特征篩選最優(yōu)且最具穩(wěn)定性的參數(shù)這個難點，在臨床具有廣闊的應用前景。